FleetAgent es un modelo de lenguaje grande multimodal alojado en la nube que procesa mensajes compactos vectorizados de vehículo a red para habilitar una teleoperación eficiente y explicable. Reduce la carga útil de enlace ascendente hasta 625 veces y la memoria KV-cache 625 veces en comparación con imágenes o texto sin procesar, y supera a Qwen2.5-VL-7B en Lingo-Judge y tasas de fallo de intervención en el conjunto de datos VecEval.
Un nuevo método de caché de KV asigna dinámicamente el espacio de caché entre bloques usados recientemente y con frecuencia para mejorar la eficiencia. Aumenta la tasa de aciertos del caché KV hasta un 10,8 % y reduce el tiempo hasta el primer token hasta un 12,6 % en cargas de trabajo sintéticas, con ganancias del 2,1 % y 2,0 % en tareas de conversación del mundo real.
ACE-GS introduce un marco de optimización progresiva que logra un Splatting Gaussiano 3D preciso, compacto y eficiente. Permite un entrenamiento hasta 3.7 veces más rápido que Speedy-Splat, con una mejora de 0.89 dB en PSNR sobre el 3DGS original, mientras mantiene una alta similitud estructural y una representación de escena compacta.
Un estudio controlado evalúa los modelos OpenPangu 1B y 7B en NPUs Huawei Ascend 910B1 utilizando métodos de cuantización solo de pesos y de pesos-activación. Los resultados muestran que la cuantización solo de pesos de 8 bits es sin pérdidas para ambos modelos, mientras que la cuantización de 4 bits es práctica para el modelo 7B pero perjudicial para el 1B en tareas de razonamiento, matemáticas y código. Los métodos de ultra baja precisión como 2 bits y binarios fallan, y W4A4 SmoothQuant produce una perplejidad no finita, lo que indica que la compresión extrema de pocos bits sigue siendo un desafío.
ARCO introduce un marco de rúbricas que permite la asignación de crédito a nivel de paso para agentes LLM de múltiples pasos. Actualiza conjuntamente un modelo compartido con cabezales de generación y puntuación, permitiendo que el contenido de la rúbrica y la función de puntuación coevolucionen mediante datos on-policy, mejorando el rendimiento y la interpretabilidad en benchmarks.
Un estudio utiliza FastGAN para generar 10.000 imágenes hiperespectrales sintéticas de hojas de haba, preservando las características espectrales y estructurales reales. Los modelos basados en transformadores, particularmente Vision Transformer, logran la mayor precisión y puntuaciones F1 en la clasificación de hojas sanas frente a hojas infestadas por pulgones, superando a los CNN clásicos y demostrando una mejor detección de enfermedades con reducción de falsos negativos.
La Dinámica Neural Topológica (TND) introduce un marco por neurona para el modelado de secuencias, donde cada neurona evoluciona independientemente a través de una estructura de grafo dirigido. En una tarea de clonación de comportamiento de Pong para un solo jugador, TND alcanza una media de 17.47 capturas consecutivas por ronda, superando a todos los modelos base en más de tres veces.
Un nuevo marco proporciona explicaciones a nivel de instancia para la evaluación de la severidad de la disartria identificando muestras de entrenamiento que apoyan y compiten. Utilizando puntuaciones de influencia basadas en gradientes, vincula las decisiones del modelo con casos de referencia perceptibles, permitiendo predicciones auditables e interpretables mediante experimentos de eliminación controlada.
TASER presenta un marco que expande y enruta dinámicamente habilidades atómicas para el aprendizaje continuo en tareas altamente heterogéneas. Reduce el olvido catastrófico y mejora la plasticidad garantizando la distinción semántica y la asignación eficiente de capacidad mediante mecanismos de detección y enrutamiento de habilidades. Evaluado en HeteroCLBench, un conjunto de pruebas con 19 tareas diversas en 9 dimensiones cognitivas, TASER supera a las líneas base existentes.
El Modelo de Mundo Social descompone la interacción social en cinco dimensiones para permitir el aprendizaje en bucle cerrado. Permite que los modelos de código abierto mejoren y retengan sosteniblemente las capacidades sociales, superando a las líneas base e igualando a Gemini 3 Flash de código cerrado en métricas clave sin olvidar a través de niveles de dificultad.
Un estudio con 2.610 participantes encontró que revelar que una IA es aduladora altera las percepciones de los usuarios sobre su objetividad y confianza. Sin embargo, dichas etiquetas no reducen la creencia de los usuarios en su propia razón ni su disposición a resolver conflictos. Los resultados indican que las etiquetas de advertencia afectan la percepción sin reducir la influencia real, lo que sugiere una brecha entre la percepción y el comportamiento.
La propagación de Ramanujan utiliza grafos de Ramanujan para reducir el sobre-apretamiento en Redes Neuronales Graficas asegurando una curvatura de resistencia no negativa. El método preserva la conectividad local mientras permite un flujo eficiente de información a largo plazo, superando a nueve técnicas de reensamblaje de vanguardia.
DataClaw0 introduce un paradigma agéntico para refinar activamente datos multimodales y alinearlos con las intenciones del usuario y de tareas posteriores. Utiliza una tubería de dos etapas con anclajes factuales para generar un conjunto de datos a gran escala en cinco dominios y logra una fuerte alineación mediante ajuste fino supervisado y GRPO. Evaluado en generación de video, VQA y navegación GUI, DataClaw0 produce datos de alta densidad de información, permitiendo una adaptación eficiente del modelo con mínimos datos de entrenamiento.
Un estudio descubre que los modelos de predicción de trayectorias basados en Transformer se degradan significativamente con datos de estado de objetos ruidosos. La precisión disminuye 1.3x bajo ruido leve y hasta 3.9x bajo condiciones de ruido alto realistas, destacando su sensibilidad y la necesidad de datos de entrenamiento más ruidosos y del mundo real, así como estrategias de mitigación.
SOHET introduce una arquitectura de transformador jerárquica con codificadores tabulares específicos por tipo de evento y objetivos de pre-entrenamiento auto-supervisados. Supera a los métodos existentes en un 5.8% en la tarea de detección de fraude de Booking.com y logra una convergencia más rápida con una ganancia adicional del 2.4% del pre-entrenamiento. En el benchmark EBES, SOHET bidireccional iguala o supera los mejores resultados publicados en seis de las ocho tareas.
LambdaMark introduce el primer esquema genérico de marca de agua de audio radiactivo que incrusta mensajes de múltiples bits en representaciones latentes semánticas de audio. Logra robustez frente a distorsiones y ataques de eliminación adversarial, y sigue siendo efectivo incluso en voz generada por modelos ajustados finamente, ofreciendo una defensa sólida contra la clonación de voz y la suplantación de identidad.
Un modelo de aprendizaje automático desarrollado utilizando características clínicas previas a la colonoscopia predice pólipos colorrectales de alto riesgo en afroamericanos. El modelo, validado en una cohorte urbana diversa, utiliza datos demográficos, de estilo de vida y de comorbilidades para identificar pacientes con mayor riesgo, con validación externa realizada en 2023-2024.
Un estudio descubre que las voces de IA sexualizadas en una plataforma comercial refuerzan las expresiones de género binarias y heteronormativas. Las voces codificadas como femeninas se etiquetan con mayor frecuencia con descriptores sexualizados y sumisos, mientras que las voces codificadas como masculinas se asocian con dominancia y rasgos positivos, destacando los desequilibrios de poder de género persistentes en el diseño de voces de IA.
Graph-of-Differences (GoD) introduce representaciones de grafos anatómicos para habilitar la reidentificación de imágenes médicas con fundamentación estructural explícita. Calcula diferencias entre regiones anatómicas nombradas y las alinea con las diferencias del backbone global, proporcionando explicaciones a nivel de estructura clínicamente auditables. GoD mejora la precisión Rank-1 en 7.1 pp en fondos de ojo y 3.1 pp en CXR, con mejor rendimiento en transferencias zero-shot.
EnTrust introduce un marco que trata el conflicto inter-modal como la fuente principal de incertidumbre predictiva en el análisis de imágenes médicas. Descompone las características multimodales en consenso compartido, señales específicas de cada modalidad y señales de conflicto, permitiendo una estimación de incertidumbre calibrada a nivel de píxel mediante un modelo basado en difusión y mapeo de confianza. EnTrust logra la precisión de segmentación más avanzada, reduce el error de calibración en un 40% y supera a los conjuntos profundos (deep ensembles) 5x con la mitad del uso de memoria.